基于K-Means算法的应用 User Clustering

User Clustering

 

 

计算出segment

对于Recence，先对数据进行排序，然后映射到4个bucket中，数值越大价值越大

接着计算对于R的 segment

接着对M排序并映射到bucket中，然后计算对应M的Segment

 

接着计算M的segment

最后把segment的值相加得到Score

最后根据的Score设定规则分群：

比如Score>=8, A

8> Score >=4, B

Score < 4, C

 

在上面的分群方法里，我们先把每一值映射到了不同的bin, 然后根据自定义的规则对人群做了分群。

这种方法的好处在于简单，而且可解释性比较强。但缺点是引入了很多人工的处理和规则。

另外一种方法是使用K-means等聚类算法，直接应用在R,F,M数据或者原始数据中。使用K-means算法时需要注意的一点是：特征的归一化，因为每个特征维度的大小会有很大区别。